A tarifa por hora é só um dos quatro números da lista de preços de uma API de transcrição. O incremento de cobrança, o mínimo por trabalho e a forma como o crédito é vendido podem mexer na conta mais do que uma tarifa menor. Aqui estão os exemplos resolvidos, com aritmética real.
A maioria das comparações de preços de APIs de transcrição alinha um número por fornecedor: o preço por minuto ou por hora de áudio. Esse número importa, mas não é o que você paga. Você paga a tarifa multiplicada pelo áudio que o fornecedor conta, e o fornecedor conta o áudio pelas próprias regras. Duas dessas regras decidem a maior parte da diferença: o incremento de cobrança (por segundo, por 15 segundos, por minuto) e o mínimo por trabalho. Uma terceira, como o crédito é vendido (pré-pago, um plano mensal com crédito ou um contrato por volume), decide quanto do que você pagou você realmente usa.
Este artigo passa as mesmas cargas de trabalho por essas regras com uma tarifa fixa, para que as regras possam ser vistas isoladamente. Os valores do próprio VocalStack são usados onde são necessários preços reais, como listados na página de preços em novembro de 2026.
Antes de comparar fornecedores, anote quatro coisas de cada um:
O quarto número merece o próprio artigo, e a página de preços traz uma tabela com os preços de lista de outros fornecedores por hora de áudio, extras incluídos, tomados da página de preços de cada um em outubro de 2026. O resto deste artigo trata do segundo e do terceiro, porque são os que uma comparação por minuto esconde.
Imagine uma central de atendimento que envia 1.000 chamadas gravadas por mês, cada uma entre três e sete minutos. Para que a aritmética possa ser conferida, suponha cinco durações de chamada, 200 chamadas de cada:
As chamadas somam 302.000 segundos de áudio, ou 5.033 minutos. Veja o que cada regra cobra por elas:
A tarifa nunca mudou. Arredondar cada chamada para o minuto seguinte soma 11,3 por cento à conta, porque em média cada chamada paga por cerca de meio minuto em que ninguém falou. Incrementos de 15 segundos reduzem esse desperdício a alguns segundos por chamada. Uma cobrança por segundo com mínimo de 5 minutos fica no meio: as chamadas longas são cobradas exatamente, as curtas são completadas até cinco minutos.
Com a tarifa de arquivos do VocalStack, $0.20 por hora, a conta por segundo dessas 1.000 chamadas é $16.78. As mesmas chamadas com arredondamento por minuto seriam $18.67 com a mesma tarifa. A diferença é pequena em dólares aqui porque a tarifa é baixa, e cresce com a tarifa: com uma tarifa dez vezes maior, esses 11 por cento são dez vezes mais dólares, todo mês.
Como regra, o arredondamento desperdiça cerca de meio incremento por trabalho. Com arredondamento por minuto e chamadas de cinco minutos em média, isso dá cerca de 10 por cento. Com incrementos de 15 segundos, cerca de 2,5 por cento. Com cobrança por segundo, na prática zero.
Mínimos parecem inofensivos em gravações longas e dominam a conta nas curtas. Pegue 10.000 mensagens de voz de 40 segundos cada uma, 111 horas de áudio no total, com os mesmos $0.20 a hora:
Um mínimo de 5 minutos cobra cada mensagem de voz de 40 segundos como 300 segundos, sete vezes e meia o áudio. O arredondamento por minuto, que custou 11 por cento à central de atendimento, custa 50 por cento à carga de mensagens de voz. Quanto mais curto o arquivo típico, mais o incremento e o mínimo decidem a conta, e menos a tarifa.
Então, antes de comparar tarifas, olhe a sua própria distribuição de durações. Exporte as durações dos arquivos do mês passado e passe-as pelas regras de cada fornecedor. Uma planilha com uma coluna por regra leva dez minutos e responde à pergunta melhor do que qualquer tabela de tarifas.
Dois grandes serviços de voz na nuvem cobram por segundo. Em novembro de 2026, a página de preços do Amazon Transcribe diz que «usage is billed in one-second increments, with no minimum applied» (aws.amazon.com/transcribe/pricing), e a página de preços do Google Cloud Speech-to-Text diz que «each request is rounded up to the nearest increment of 1 seconds» (cloud.google.com/speech-to-text/pricing). Ainda assim, as regras de cobrança variam entre serviços: alguns arredondam para o minuto, alguns definem um mínimo por trabalho e alguns fazem as duas coisas. Leia o parágrafo de cobrança de cada página de preços, normalmente em letra miúda sob a tabela, em vez de presumir.
Em novembro de 2026, a página de preços lista estas tarifas, as mesmas no painel e pela API:
Algumas consequências, calculadas:
De volta às duas cargas de trabalho. As 1.000 chamadas custam $16.78 no Premium (sem mínimo) e $18.39 no Pay as you go, onde as 400 chamadas com menos de cinco minutos são cobradas cada uma como cinco. As 10.000 mensagens de voz custam $22.22 no Premium e $166.67 no Pay as you go. Para um alto volume de arquivos curtos, o plano sem mínimo é o que deve ser escolhido, e o exemplo das mensagens de voz mostra por quanto.
A segunda metade dos preços de transcrição é como você paga pelo áudio. Há três modelos comuns, e o VocalStack usa os três, um por plano:
Crédito pré-pago. Você compra um saldo e cada segundo de áudio o gasta. No Pay as you go do VocalStack, uma conta nova começa com $5 de crédito de cadastro, suficiente para 25 horas de arquivos ou cerca de 8,3 horas de áudio ao vivo, e não é preciso cartão. Depois você recarrega na página Billing: os valores predefinidos são $10, $25 e $50, e qualquer quantia de $10 a $500 é aceita. A recarga automática fica desligada a menos que você a ligue; quando está ligada, ela adiciona um valor escolhido quando o saldo cai até um limite definido por você. O crédito que você compra nunca expira. No Pay as you go, uma transcrição ao vivo para quando o saldo chega a zero, então configure um alerta de saldo baixo, ou ligue a recarga automática, antes de um evento longo.
Um plano com crédito. Você paga um valor fixo por mês e recebe crédito. O Premium do VocalStack custa $25 por mês e inclui $25 de crédito todo mês: 125 horas de arquivos ou cerca de 42 horas de áudio ao vivo. Cobrado anualmente, são $240 por ano ($20 por mês) e continua incluindo $25 de crédito todo mês, então um ano de crédito totalmente usado vale $300 por $240. Isso dá cerca de $0.16 efetivos por hora de arquivo e $0.48 por hora ao vivo, se você usar todo o crédito: o crédito mensal incluído se renova a cada mês e não acumula. No Premium, uma transcrição ao vivo continua rodando abaixo de zero, até um limite, para que um evento não seja cortado; os minutos extras são cobrados depois pela mesma tarifa.
A decisão entre os dois é basicamente aritmética. Se você gastaria $25 ou mais por mês de qualquer jeito, o plano mensal não custa nada a mais e elimina o mínimo de 5 minutos. Se gasta menos, o crédito mensal não usado se perde, e o crédito pré-pago, que nunca expira, sai mais barato.
Contratos por volume. Acima de certo volume, a lista de preços deixa de ser o preço. O plano Enterprise do VocalStack tem tarifas de volume personalizadas e crédito personalizado, definidos conforme o seu volume esperado, e acrescenta capacidade dedicada, um gerente de conta, um SLA e a opção de manter os arquivos no seu próprio armazenamento em nuvem. Peça uma cotação com as suas horas mensais esperadas, a divisão entre arquivos e ao vivo e a sua distribuição de durações, já que os três moldam uma tarifa de volume justa.
O preço não é a única coisa que um plano define. Os limites decidem com que rapidez um lote grande passa, o que importa assim que o volume importa:
Os limites de transcrições simultâneas e de duração são limites de segurança, para que um script descontrolado não possa iniciar centenas de transcrições, e o suporte os aumenta sob pedido. Para um acúmulo, confira-os antes de planejar a migração.
Uma tarifa 10 por cento menor pode perder para uma regra de cobrança que desperdiça 11 por cento, e um plano mais barato pode perder para um mínimo que cobra um arquivo de 40 segundos como cinco minutos. Faça a aritmética com os seus próprios arquivos. Se quiser testar com áudio real, o crédito de cadastro cobre 25 horas de arquivos, e o tutorial de arquivos leva o primeiro pela API em poucos minutos.